数据科学家十年后彻底消失？25 年行业元老：无稽之谈！

数据科学家岗位 2029 年将消失，变成其他角色

此前《福布斯》上发表的文章称，到 2029 年，数据科学家岗位将消失，就像 2019 年不会有 MBA 岗位，没有计算机科学岗位一样，因为 MBA、计算机科学学位和数据科学学位只是学位而已，并不是工作。作者认为，公司雇人作为数据科学家原因是他们认识到新兴趋势的兴起（云计算、大数据、人工智能、机器学习），并希望投资这些趋势。

有证据表明，这只是暂时现象，是技术炒作周期的正常部分。我们刚刚走过了数据科学的膨胀期望峰值，即将进入低谷期。他认为，最终的结果已经注定，即数据科学作为一个学位和能力会保留下来，但职称将消失。

随着低谷期的到来，数据科学家岗位的处境：

• 许多数据科学团队无法向高管提供可以衡量投资回报率的结果。

• AI 和 ML 的兴奋暂时导致人们无视最基本的问题：数据科学家实际上做了什么？

• 对于复杂的数据工程任务，每位数据科学家需要配备五名数据工程师。

• 数据科学家执行的许多任务都将实现自动化，包括机器学习。主要的云供应商都大量投资某种类型的 AutoML 计划。

这与最近系统管理员这一岗位发生的变化非常相似。系统管理员曾经是云时代到来之前 IT 领域最热门的工作之一，但在查看 2004 年至今的 Google Trends 之后你会发现，对于系统管理员来说的关键技能——管理的位置已经被 AWS 替换掉。最近，招聘网站 Dice 的一篇文章中提到了几个面临灭顶之灾的技术岗位。其中将要灭绝的一个重要岗位是 Windows / Linux / Unix 系统管理员，它将会被云、DevOps 工具和 DevOps 工程师替代。作者相信，数据科学岗位也会发生类似的变化，并转变为其他的角色。

但是，这是否意味着数据科学学位不值钱呢？非也，在未来 10 年，这将是一个非常重要的学位，但不会成为一个职位。相反地，数据科学家会进化，以提高他们在不可能实现自动化的领域的技能：

• 沟通技巧

• 应用领域专长

• 创造收入和业务价值

未来，有可能取代数据科学家岗位的包括机器学习工程师、数据工程师、AI 辩论家、AI 沟通者、AI 产品经理和 AI 架构师。唯一可以肯定的是变革，数据科学也不例外。掌握这一趋势的方法之一，是不仅要投资于数据科学和机器学习技能，还要获得软技能。另一种方法是考虑可以轻松实现自动化的任务——特征工程、探索性数据分析、简单建模，以及处理难以自动化的任务，例如生成可提升关键业务指标并产生收入的机器学习系统。

想要超越这条曲线的公司可以选择拥抱机器学习的实用主义和自动化。尽早采用可实现机器学习任务的自动化的云计算或第三方软件解决方案，会让你在 2019 年拥有明显的战略优势。

辩方观点：时代在变，数据科学家不会死

对于这篇文章的观点，在数据科学领域拥有超过 20 多年多年经验的 Vincent Granville 表示不同意。他的观点略显犀利：

如果你还没有完成大部分任务的自动化，那么你就称不上是个数据科学，充其量是个在其位不谋其政的数据处理器。也许，一定程度上数据科学仍然意味着长时间干着繁琐的任务，如数据清理、数据处理、模型或特征选择和测试，这些任务占用了他们 80％的时间。但真正的数据科学会自动化这些任务，设计强大的黑盒和快速算法来处理这些杂务，以及许多其他事情。

30 年前，当我开始攻读博士学位时，数据科学也很热门。当时它被称为计算统计，甚至包括使用 AI 系统识别图像中的模式。至少 25 年前，我就开始从事数据科学项目的研究，在数据科学这个术语被创造出来之前我就在从事这项工作。

所以，不，数据科学并不是新生事物，它也不会死。数据、技术和计算机能力正在不断发展，自动化水平、应用领域（例如城市规划、农业、天文学、房地产、婚恋行业和最近的医疗保健）也在不断发展，优秀的团队完成任务就会带来收益增值。我今天仍然在做数据科学，但做的是让那些老旧商业模式过时的工作（数字出版业企业家），而不是那些不愿意在 10 年后雇用数据科学家的公司。没错，他们不会雇用我，但那是因为他们会死——因为没有雇佣我而死，而不是相反。简而言之，不是这些工作将会消失，而是那些缺乏数据科学家带来的自动化变革的公司会死。

历史总是相似的。例如，我在 1994 年发表了一篇不起眼的理论论文，但过去的 12 个月中它突然火了，根据最近引用的数量，它在 AI 圈子中引起了不小的关注度。这篇论文标题是《模拟退火：收敛论证》。那时（1994 年）我在图像去模糊和信号处理的背景下使用模拟退火算法来设计更好的自动噪声过滤系统。随着物联网传感器数据和数据大爆发，信号处理和模式识别（我认为是数据科学）再次变得流行。

综合两方观点，数据科学家岗位会不会在 2029 年消失还未可知，但有一点是肯定的：数据科学将会随着时代和产业的变化而变化，数据科学家需要掌握的不仅是“硬核”技术，获得能带来业务收益的软技能，也是相当重要的一点。所以，两方观点你支持谁呢？欢迎互捶。

参考链接：

https://www.forbes.com/sites/forbestechcouncil/2019/02/04/why-there-will-be-no-data-science-job-titles-by-2029/#303565083a8f

https://www.bigdatanews.datasciencecentral.com/profiles/blogs/debunking-forbes-article-about-the-death-of-the-data-scientist